亞馬遜云科技：2023年生成式人工智能賦能所有云原生企業（23頁）.pdf

《亞馬遜云科技：2023年生成式人工智能賦能所有云原生企業（23頁）.pdf》由會員分享，可在線閱讀，更多相關《亞馬遜云科技：2023年生成式人工智能賦能所有云原生企業（23頁）.pdf（23頁珍藏版）》請在三個皮匠報告上搜索。

1、生成式人工智能賦能所有云原生企業利用亞馬遜云科技輕松構建和擴展生成式人工智能引言：為云原生企業解鎖生成式人工智能的力量和前景.3了解生成式人工智能.4將生成式人工智能應用于您的云原生企業的主要方法.6為何選擇亞馬遜云科技實現生成式人工智能？.7用于基于亞馬遜云科技構建生成式人工智能的工具.10客戶案例.17InsightFinder 成功啟動.18F 構建現代反欺詐應用.19Mantium 實現低延遲 GPT-J 推理.20Stability AI 獲得了彈性、性能并節省了成本.21Runway 擴展了內部研究基礎設施.22后續步驟.23目錄2為云原生企業解鎖生成式人工智能的力量和前景機器學習

2、（ML）范式轉變的種子早在幾十年前就已萌芽，但隨著可擴展計算容量的推出、數據的激增以及機器學習技術的快速發展，各行各業的客戶都在進行業務轉型。OpenAI 的 ChatGPT 和 Google 的 Bard 等生成式人工智能工具受到廣泛關注，投資需求不斷增長。根據 2023 年 3 月的一份 PitchBook 報告，風險投資家們（VC）正在增加他們在生成式人工智能領域的投資，從 2018 年的 4.08 億美元增加到 2021 年的 48 億美元和 2022 年的 45 億美元。天使和種子交易也有所增長，2022 年投資達到 3.583 億美元，而 2018 年僅為 1.028 億美元。1考

3、慮到生成式人工智能的益處已有實證，這些風險投資數字并不令人驚訝。作為企業家，您可以借助該技術來自動執行任務、提供個性化的客戶體驗并優化成本。超過 60%的企業主已經相信人工智能（AI）將會提高他們的生產力，現在是時候加入他們的行列了。2對于有興趣將生成式人工智能解決方案集成到各自業務中的云原生企業領導者，這本電子書可作為他們的指南。電子書中包括利用生成式人工智能的云原生企業示例，并說明了為什么各種規模的組織都選擇亞馬遜云科技來完成生成式人工智能之旅。首先，我們來了解一下該技術的基本原理。引言1“Vertical Snapshot:Generative AI”（垂直領域速覽：生成式人工智能），P

4、itchBook，2023 年 3 月 2 Haan,K.，“24 Top AI Statistics and Trends In 2023”（2023 年 24 大人工智能統計數據和趨勢），福布斯，2023 年 4 月3了解生成式人工智能生成式人工智能是一種可以生成新內容和想法（包括對話、故事、圖像、視頻和音樂）的人工智能，由基于大量數據進行預訓練的大型模型提供支持，這些模型通常稱為根基模型（FM）。機器學習的最新進展，特別是基于轉換器的神經網絡架構的發明，帶動了包含數十億個參數或變量的模型的興起。舉例來說，2019 年最大的預訓練模型有 3.3 億個參數。到 2023 年，最大的模型包含超

5、過 5000 億個參數，在短短幾年內增加了 1600 倍。當今的 FM，例如大型語言模型（LLM）GPT3.5 或 BLOOM 以及文本到圖像模型 Stable Diffusion，可以執行跨越多個領域的各類任務，例如撰寫博客文章、生成圖像、解決數學問題、參與對話，以及根據文檔回答問題。FM 的大小和通用性質使其不同于傳統的機器學習模型，后者通常執行特定任務，例如分析文本中所表達的情緒、對圖像進行分類和預測趨勢。通過以各種形式和模式預訓練互聯網規模的數據，FM 學會了在各種環境中應用所學到的知識。預訓練 FM 的功能令人驚嘆，同樣令人興奮的是，這些模型還可以定制，用于執行特定領域的功能，而這些

6、功能僅使用從頭開始訓練模型所需的一小部分數據和計算。最大的預訓練模型3.3 億5000 億+個參數個參數2019 年2023 年160,000%增幅4借助基于亞馬遜云科技的生成式人工智能，您能夠革新應用程序，打造全新的客戶體驗，推動生產力水平達到前所未有的水平，以及實現云原生企業轉型。您可以從一系列常用的 FM 中進行選擇，也可以使用內置生成式人工智能的亞馬遜云科技服務，所有這些服務都在最具成本效益的生成式人工智能云基礎設施上運行。利用定制 FM 提升客戶體驗定制 FM 可以打造獨特的客戶體驗，體現公司在各行各業的心聲、風格和服務。例如，一家需要使用所有相關交易自動生成日?；顒訄蟾娴慕鹑诳萍荚?/p>

7、原生企業，可以使用專有數據自定義模型。此數據包括過去的報告，使 FM 能夠了解應該如何閱讀報告，以及生成報告時使用了哪些數據。內容生成 個性化對話式人工智能 軟件開發 聊天機器人回答問題 搜索文本摘要 未標記的數據FM預訓練適應各類常規任務5將生成式人工智能應用于您的云原生企業的主要方法內容生成 協助完成一些任務，例如撰寫論文、報告、電子郵件、概念藝術和設計或生成僅靠人力可能無法完成的獨特內容。個性化通過為您的網站和通信提供高度相關的內容和產品推薦，為您的客戶提供更加個性化的體驗。對話式人工智能 創建基于自然語言的對話界面，例如聊天機器人和虛擬助理，并利用語音轉文本和翻譯功能。軟件開發 基于自

8、然語言輸入生成代碼片段、注釋和文檔，以提高軟件開發任務的效率和準確性。聊天機器人創建基于自然語言的對話界面，通過提供更人性化的交互來增強用戶體驗?；卮饐栴} 使用來自大量數據（例如互聯網）的自然語言提示查找和整合信息，以及快速回答客戶問題。搜索在文檔和其他資產中查找內容和信息，從而提高搜索準確性、更快地生成搜索結果，以及獲取洞察，來制定以數據為依據的業務決策。文本摘要 生成文章、文檔或網頁的較短版本；大量文本的簡要概述；或一段文字的關鍵點。6為何選擇亞馬遜云科技 實現生成式人工智能？亞馬遜一直專注于 人工智能和機器學習20 余年20 多年來，人工智能和機器學習一直是亞馬遜關注的焦點，客戶在亞馬遜

9、上使用的很多功能都是由機器學習驅動的。我們的電子商務推薦引擎、履單中心對機器人揀選路線的優化路徑，以及我們的供應鏈、預測和容量規劃都由機器學習提供信息和驅動。Prime Air（我們的無人機）和 Amazon Go（我們的實體零售體驗，讓消費者可以從貨架上挑選商品，然后離開商店，而無需正式結賬）中的計算機視覺（CV）技術均采用深度學習（DL）。Alexa 由 30 多個不同的機器學習系統提供支持，每周協助客戶數十億次來管理智能家居、購物、獲取信息和娛樂等。我們在亞馬遜有成千上萬的工程師致力于機器學習，這是我們過往傳統、當前宗旨和未來工作的重要組成部分。71.最具成本效益的基礎設施：要通過生成式

10、人工智能實現您的目標，您需要專為機器學習構建的性能最高、最具成本效益的基礎設施。在過去五年中，亞馬遜云科技一直在投資我們自己的硅芯片，力求在機器學習訓練和推理等要求苛刻的工作負載的性能和性價比方面實現突破。我們的 Amazon Trainium 和 Amazon Inferentia 芯片為在云中訓練模型和運行推理提供了最低的成本。借助由 NVIDIA GPU 和亞馬遜云科技設計的機器學習芯片提供支持的機器學習基礎設施，客戶可以靈活地選擇最佳基礎設施，從而在控制成本的同時，更大限度地提高性能。2.靈活性：從領先的 AI 云原生企業和亞馬遜提供的廣泛模型中進行選擇，來滿足您獨特的業務需求，以及從

11、 AI21 Labs、Anthropic、Stability AI 和亞馬遜的多種 FM 中進行選擇，從而找到適合您的用例的模型。任何其他供應商都無法提供如此廣泛而深入的選擇。3.安全定制：只需幾個帶標簽的示例即可為您的企業定制 FM。由于所有數據均被加密且不會離開您的 Amazon Virtual Private Cloud（Amazon VPC），您可以相信您的數據能夠保持私密性和機密性。亞馬遜云科技提供 300 種安全、合規性和治理服務和功能，為客戶提供構建適合他們的端到端安全策略所需的靈活性和定制化。4.使用 FM 進行構建的最快方式：將 FM 快速集成并部署到在亞馬遜云科技上運行的應

12、用程序和工作負載中。使用熟悉的控件，以及與 Amazon SageMaker和 Amazon Simple Storage Service（Amazon S3）等功能和服務的廣度和深度的集成。5.生成式人工智能驅動的解決方案：借助內置的生成式人工智能，人工智能代碼編寫助手 Amazon CodeWhisperer 等服務有助于您提高生產力。此外，亞馬遜云科技示例解決方案結合了亞馬遜云科技人工智能服務與領先的 FM模型，您可以使用此類方案來部署常見的生成式人工智能用例，例如呼叫匯總和回答問題。在各種規模的云原生企業中大規模普及生成式人工智能 我們的方法是大規模普及生成式人工智能：我們致力于將這些

13、技術從研究和實驗領域中解放出來，將它們推廣到少數云原生企業和資金雄厚的大型科技公司之外?？蛻魧嗰R遜云科技用于生成式人工智能應用程序有幾個關鍵原因。8準確度 評估事實的正確性或摘要反映基礎文檔的接近程度知識產權（IP）和 版權注意事項毒性 限制仇恨言論、褻瀆、暴力以及攻擊性和不當語言亞馬遜云科技實現負責任的人工智能的方法亞馬遜云科技在其全面開發流程的每個階段都會謹記負責任的人工智能，以此構建 FM。在整個設計、開發、部署和運營過程中，我們考慮了一系列因素，包括：為解決這些問題，我們將解決方案構建到我們獲取訓練數據的過程、FM 本身，以及我們用來預處理用戶提示和后處理輸出的技術中。我們大力投資，

14、致力于改進我們所有 FM 的功能，并在客戶嘗試新用例時向客戶學習。在亞馬遜云科技，我們知道生成式人工智能技術及其用途將繼續演變，帶來需要額外關注和化解的新挑戰。我們與學術界、工業界和政府合作伙伴一起，致力于以負責任的方式持續開發生成式人工智能。詳細了解亞馬遜云科技實現負責任的人工智能和機器學習的方法 如需詳細了解這些挑戰和新興解決方案，請閱讀這篇亞馬遜科學博客 公平性系統如何影響不同的用戶亞群（例如，按性別、種族）適當用途 過濾掉用戶對法律建議、醫療診斷或非法活動的 請求隱私 保護個人信息和客戶提示9Stability AI 是熱門圖像生成模型 FM Stable Diffusion 背后的開

15、源生成式人工智能公司?！巴ㄟ^ Amazon Bedrock 向亞馬遜云科技客戶提供我們的 Stable 開放模型套件，從而鞏固我們與亞馬遜云科技的持續合作關系，這令我感到很欣慰。與亞馬遜云科技的這次合作證明了我們致力于提供尖端的開放式人工智能解決方案，從而使企業能夠制定更明智的決策，并在不斷變化的世界中實現更出色的穩定性。我們相信，這種伙伴關系將為亞馬遜云科技客戶帶來巨大價值，我們期待彼此密切合作，讓更廣泛的受眾能夠使用這些強大的功能?！盓mad Mostaque，Stability AI 首席執行官用于基于亞馬遜云科技構建生成式人工智能的工具1.Amazon Bedrock使用 FM 構建和

16、擴展生成式人工智能應用程序的最輕松方式Amazon Bedrock 是一項完全托管式服務，可通過 API 提供來自領先 AI 云原生企業和亞馬遜的 FM，因此您可以從各種 FM 中進行選擇，從而找到最適合您的云原生企業用例的模型。借助 Bedrock 無服務器體驗，您可以快速上手，使用您自己的數據私下定制 FM，并使用您熟悉的亞馬遜云科技工具和功能輕松地將 FM集成和部署到您的應用程序中。這些功能包括與 SageMaker 的集成、用于測試不同模型的 SageMaker Experiments，以及用于大規模管理 FM 而無需管理任何基礎設施的 SageMaker Pipelines 等等。借

17、助 Bedrock，您可以構建和擴展生成式人工智能應用程序，這些應用程序可以根據提示生成文本和圖像。您的團隊將獲得對重要 AI 云原生企業（包括 AI21、Anthropic 和 Stability AI）的 FM 的訪問權，以及對亞馬遜云科技開發的 Amazon Titan 系列 FM 的專享訪問權。詳細了解 Amazon Bedrock 102.Amazon Titan 模型借助亞馬遜的高質量 FM 進行負責任的創新Amazon Titan 目前由兩個 FM 組成。第一個是 Titan Text，這是一個生成式 LLM，用于諸如匯總、文本生成（例如創建博客文章）、分類、開放式問答和信息提取

18、等任務。第二個是 Titan Embeddings，這個 LLM 會將文本輸入（單詞、短語或大文本單元）轉換為包含文本語義的數字表示（稱為嵌入）。雖然此 LLM 不會生成文本，但其對個性化和搜索等應用程序很有用，因為通過比較嵌入，該模型將產生比單詞匹配更相關和上下文相關的響應。事實上，A 的產品搜索功能使用類似的嵌入模型，來協助客戶找到他們正在尋找的產品。為了繼續支持負責任地使用 AI 的最佳實踐，Amazon Titan FM 旨在檢測和刪除數據中的有害內容，拒絕用戶輸入中的不當內容，并過濾包含不當內容的輸出，例如仇恨言論、褻瀆和暴力。詳細了解 Amazon Titan 模型 11“我們在

19、Amazon EC2 Inf1 實例上推出了大規模人工智能聊天機器人服務，與基于 GPU 的同類實例相比，推理延遲縮短了 97%，并降低了成本。由于我們需要定期微調定制的 NLP 模型，因此減少模型訓練時間和成本也很重要。根據我們在 Inf1 實例上成功遷移推理工作負載的經驗，以及在基于 Amazon Trainium 的 EC2 Trn1 實例上取得的初步工作成果，我們預計，Trn1 實例將會在提高端到端機器學習性能和降低成本上給我們帶來更多的價值?！盩akuya Nakade，Money Forward,Inc.首席技術官3.Trainium 和 Inferentia高性能、經濟高效的生成

20、式 人工智能基礎設施Amazon Elastic Compute Cloud（Amazon EC2）Trn1 實例由 Trainium 加速器提供支持，專為生成式人工智能模型（包括 LLM 和潛在擴散模型）的高性能深度學習訓練而構建。與其他類似的 Amazon EC2 實例相比，Trn1 實例可節省高達 50%的訓練成本。您可以使用 Trn1 實例，在文本摘要、代碼生成、回答問題、圖像和視頻生成、推薦和欺詐檢測等廣泛的應用情形中訓練深度學習模型。Amazon Neuron SDK 可協助開發人員在 Amazon Trainium 上訓練模型，并在 Inferentia 加速器上部署模型。它與

21、PyTorch 和 TensorFlow 等框架原生集成，因此，您可以繼續使用現有的代碼和工作流在 Trn1 實例上訓練模型。詳細了解 Amazon EC2 Trn1 實例 12Amazon EC2 Inf2 實例由 Amazon Inferentia2 提供支持Amazon EC2 Inf2 實例專為深度學習推理而構建。此類實例在 Amazon EC2 中以最低成本為生成式人工智能模型（包括 LLM 和視覺轉換器）提供高性能推理。您可以使用 Inf2 實例運行推理應用程序，用于文本摘要、代碼生成、視頻和圖像生成、語音識別、個性化、欺詐檢測等用途。Inf2 實例由第二代 Inferentia

22、加速器 Amazon Inferentia2 提供支持，可提高 Inf1 的性能，將吞吐量提高多達四倍，將延遲縮短多達至十分之一。Inf2 實例是 Amazon EC2 中的首個推理優化實例，可通過加速器之間的超高速連接支持橫向擴展分布式推理。您的團隊現在可以高效且經濟地在 Inf2 實例上跨多個加速器部署具有數千億個參數的模型。Inf2 實例的性價比比同類 Amazon EC2 實例高出 40%。詳細了解 Amazon EC2 Inf2 13“我們將許多生產工作負載遷移到 Inf1 實例，與 GPU 相比，成本降低了 80%?，F在，我們正在開發更大、更復雜的模型，以便從書面文本中獲得更深刻、

23、更具洞察力的含義。Inf2 實例的性能將使我們能夠提供比 Inf1 實例更低的延遲和更高的吞吐量?？傊?，我們正在提高成本效益，提升實時客戶體驗，并協助我們的客戶從他們的數據中挖掘新的洞察信息?！盕ranz Weckesser，Finch Computing 首席架構師Finch Computing 因將 Amazon Inferentia 用于 語言翻譯而得以節省 80%的推理成本Finch Computing 開發自然語言處理（NLP）技術，從大量文本數據中挖掘洞察信息，希望滿足客戶支持更多語言的請求。Finch 使用深度學習算法構建了自己的神經翻譯模型，計算要求很高，并依賴于 GPU?，F在

24、，該公司需要一個可擴展的解決方案來支持全球數據源，并使其能夠快速迭代新的語言模型，而不會產生高昂的成本。該公司創建了一個以 Amazon Inferentia 的使用為中心的計算基礎設施?；谶@一點，Finch 縮短了產品上市時間，將其 NLP 擴展為支持三種新語言，并吸引了新客戶。了解詳情 144.Amazon CodeWhisperer更快、更安全地構建應用程序Amazon CodeWhisperer 有助于開發人員快速安全地編寫代碼，而無需離開集成式開發環境（IDE）去研究一些東西。CodeWhisperer 理解以自然語言（英文）編寫的評論，并可以實時生成多個代碼建議，從而提高開發人員

25、的工作效率。該服務直接在 IDE 代碼編輯器中建議完整的函數和邏輯代碼塊（通常最多包含 10-15 行代碼）。CodeWhisperer 包括以下好處：針對亞馬遜云科技服務進行了優化CodeWhisperer 提供針對亞馬遜云科技 API 優化的代碼建議，使開發人員能夠更高效地使用亞馬遜云科技服務，包括 Amazon EC2、Amazon Lambda 和 Amazon S3。當您在 IDE 中編寫代碼時，CodeWhisperer 會自動分析您的代碼和注釋。內置安全掃描使用 CodeWhisperer，您可以掃描 Java、JavaScript 和 Python 項目以檢測難以發現的漏洞，例

26、如 10 大開放全球應用程序安全項目（OWASP）中的漏洞，或不符合加密庫最佳實踐和其他類似安全最佳實踐的漏洞。該服務會分析 IDE 中的現有代碼（無論是由 CodeWhisperer 生成的還是您編寫的），高度準確地識別有問題的代碼，并提供有關如何修復該代碼的智能建議。負責任地編寫代碼：開源代碼的參考跟蹤器CodeWhisperer 提供了一個內置的參考跟蹤器，可以檢測代碼建議是否類似于開源訓練數據，并可以標記此類建議。這些建議用開源項目的存儲庫 URL、文件引用和許可信息進行了注釋，供您在決定是否合并建議的代碼之前查看。負責任地編碼：避免偏見負責任地使用人工智能和機器學習技術是推動持續創新

27、的關鍵。通過濾除可能被認為有偏見或不公平的代碼建議，CodeWhisperer 可協助開發人員避免偏見。詳細了解 CodeWhisperer 在一場效率比賽中，使用 Amazon CodeWhisperer 的 參與者成功完成任務的可能性 比未使用該服務的參與者 高 27%，完成任務的速度 加快了 57%。155.合作的力量：亞馬遜云科技合作伙伴 Hugging Face使用 SageMaker使開源模型更易于訪問且更具成本效益Hugging Face 是一個專注于機器學習的大型開源社區。亞馬遜云科技與 Hugging Face 建立了牢固的合作伙伴關系，可加速用于創建生成式人工智能應用程序的

28、大型語言和視覺模型的訓練、微調和部署。您可以通過三種方式開始在亞馬遜云科技上使用 Hugging Face 模型：通過 Amazon SageMaker JumpStart、Hugging Face 亞馬遜云科技深度學習容器（DLC）或將模型部署到 Trainium 或 Inferentia 的教程。Hugging Face DLC 包含優化的轉換器、數據集和分詞器庫，使您能夠在數小時（而非數周）內大規模微調和部署生成式人工智能應用程序，并且代碼更改極少。詳細了解使用 SageMaker 的 Hugging Face“人工智能的未來就在這里，但分布并不均勻?？稍L問性和透明度是共享進步和創建工具

29、的關鍵，有助于實現以明智和負責任的方式使用這些新功能。借助 Amazon SageMaker 和亞馬遜云科技設計的芯片，我們的團隊和更大的機器學習社區能夠將最新研究轉化為人人都可以構建的公開可復制模型?！盋lement Delangue，Hugging Face 首席執行官16客戶案例云原生企業正在證實生成式人工智能的潛力精選客戶案例各種規模的云原生企業都在將生成式人工智能整合到他們的業務中，以便加快創新速度并建立相對于競爭對手的競爭優勢。下文介紹了亞馬遜云科技如何協助四家云原生企業利用這項革命性技術。17“很多人工智能科技公司認為，您需要在硬件資源上投入大量資金。而借助亞馬遜云科技，我們實際

30、上可以以合理的成本，構建一個高性能引擎?！盚elen Gu，InsightFinder 創始人客戶案例InsightFinder 利用 亞馬遜云科技解決方案成功啟動云原生企業 InsightFinder 是一個人工智能驅動的預測可觀察性平臺，隨著使用該平臺的學生和教師數量迅速增長，其面臨著規模擴展的問題。該公司缺乏內部基礎設施來過濾發送的警報。通過將 InsightFinder 引擎與來自 Amazon CloudWatch 的數據連接起來，該公司能夠快速輕松地獲得重要的見解。參閱案例 18“亞馬遜云科技協助我們每秒處理數千筆交易，這一規模在三四年前幾乎是不可能實現的?！盬hitney And

31、erson，F 聯合創始人兼首席執行官客戶案例F 使用 亞馬遜云科技機器學習解決方案構建現代 反欺詐應用F 是一個欺詐和合規平臺，旨在解決給許多貸方、銀行、支付處理商和數字商務公司及其客戶帶來損害的高欺詐率問題。該平臺意識到數據缺乏透明度是實現這一目標的最大障礙。F 構建了一個可快速部署、可擴展且安全的平臺，在該平臺上統一欺詐數據并創建切實可行的見解。憑借亞馬遜云科技上的事件驅動架構，該云原生企業能夠根據事件數量進行擴展和縮減。該公司使用亞馬遜云科技解決方案，包括用于計算的 Amazon EC2 和 Lambda 以及用于高度可擴展的對象存儲的 Amazon S3。這些解決方案協助其統一和分析

32、三個層面的數據，即客戶層面、機構層面和跨機構層面的數據。參閱案例 19Mantium 在 SageMaker 上使用 DeepSpeed 實現低延遲 GPT-J 推理“DeepSpeed 的推理引擎很容易集成到 SageMaker 推理端點。SageMaker 使部署自定義推理端點變得非常容易，并且集成 DeepSpeed 就像添加依賴項和編寫幾行代碼一樣簡單?！盝oe Hoover，Mantium 公司 R&D 部門的 Senior Applied ScientistMantium 是一家用于構建和管理 AI 應用程序的全球云平臺提供商，使各種規模的企業能夠比傳統方式更快、更輕松地構建人工智

33、能應用程序和自動化。但是 Mantium 面臨一個挑戰：開源模型幾乎不是為生產級性能而設計的。對于為現代文本生成提供動力的生成式預訓練轉換器（例如 GPT-J）而言，響應延遲是一個核心障礙。這會使生產部署變得不切實際，甚至不可行。Mantium 利用 DeepSpeed 的推理引擎將優化的 CUDA 內核注入到 Hugging Face 轉換器 GPT-J 實現中，顯著提高了 GPT-J 的文本生成速度。參閱案例 客戶案例20Stability AI 借助 SageMaker 獲得了彈性、性能并節省了成本“在跨模式擴展我們的開源基礎模型方面，亞馬遜云科技一直是不可或缺的合作伙伴，我們很高興將這

34、些模型引入 SageMaker，讓數萬名開發人員和數百萬用戶能夠充分利用它們?！盓mad Mostaque，Stability AI 創始人兼首席執行官FM 是能適應語言、圖像、音頻和視頻等領域各種下游任務的大型模型，很難訓練，因為這些模型需要具有數千個 GPU 或 Trainium 芯片的高性能計算集群，以及可用于高效利用集群的軟件。Stability AI 是一家開發突破性技術的社區驅動型開源人工智能公司。該公司選擇亞馬遜云科技作為首選云提供商，提供公有云中有史以來最大的 GPU 集群之一。憑借 SageMaker 托管的基礎設施和優化庫，Stability AI 的模型訓練變得更具彈性、

35、性能更高且更具成本效益，將訓練時間和成本減少了一半以上。參閱案例 客戶案例21Runway 使用 亞馬遜云科技擴展了 內部研究基礎設施“在開發和訓練這種開創性的視頻生成模型方面，亞馬遜云科技發揮了重要作用。我們期待著繼續共同開創生成式人工智能的無限可能?！盋ristbal Valenzuela，Runway 聯合創始人兼首席執行官Runway 與亞馬遜云科技合作擴展其高性能計算（HPC）集群，并利用我們的研究基礎設施在其 Generative Suite 中提供一流的用戶體驗。Runway 的 Gen-2 系統基于亞馬遜云科技進行訓練，可以生成帶有文本、圖像或視頻剪輯的新穎視頻。Gen-2 改

36、進了 Runway 的多模式生成式模型，代表了用于視頻生成的最先進人工智能系統的重大進步。參閱案例 客戶案例22 2023,Amazon Web Services,Inc.或其關聯公司。保留所有權利。后續步驟開始使用生成式人工智能生成式人工智能有望成為幾個時代最具顛覆性的技術之一，這種技術可以增強人類創造力、突破創新極限并最大化產出。亞馬遜云科技處于最前沿，致力于開發公平、準確的人工智能與機器學習服務，并為您的云原生企業提供必要的工具和指導，幫助您以負責任的方式，構建人工智能與機器學習應用程序。您的云原生企業是時候行動起來了。您和您的團隊熟悉了生成式人工智能的潛力和初始概念后，您就可以開始明確定義自己的目標了。確定具體的實際用例有助于將初始實驗保持在更小的范圍內，并實現更明確的目標。在考慮數據可用性和質量、選擇最適合您的應用的 FM，以及制定實施計劃時，建議您與專家合作。生成式人工智能可能具有倫理意義，應在您的用例中予以討論或解決?？紤]到組織內生成式人工智能的規模和增長，基礎設施不應等到事后再考慮；這會對您的成本、規模和能源消耗產生深遠影響。與亞馬遜云科技的專家合作，可以讓您在所有環節和決策中搶占先機。詳細了解利用亞馬遜云科技為云原生企業提供的生成式人工智能 23